Was Bauteile über den Verschleiß genutzter Stanzwerkzeuge verraten

Abstract

Abstract Die Wirtschaftlichkeit industrieller Stanzprozesse hängt stark von produzierten Bauteilqualitäten und Stillstandzeiten ab. Negativ werden diese von Verschleißerscheinungen an genutzten Stanzstempeln beeinflusst, weswegen datengetriebene Überwachungssysteme sowohl in industrieller Praxis als auch akademischer Forschung entwickelt werden. Insbesondere KI-Modelle haben das Potenzial, multiple Verschleißzustände zu klassifizieren oder quantitativ zu regressieren, werden bislang jedoch ausschließlich auf Sensorsignale angewandt. In der vorliegenden Publikation wird dagegen der Ansatz gewählt, Bilder produzierter Bauteile als Eingangsgrößen für faltende, neuronale Netze zu nutzen, um die Kantenverrundung am Stanzstempel zu prädizieren. Entwickelte Modelle weisen hohe Prädiktionsgüten auf und eröffnen Möglichkeiten zur weiterführenden Beforschung bildgestützter Überwachungsansätze.